Deteksi Warna. Resty Wulanningrum,S.Kom Universitas Nusantara PGRI Kediri

Ukuran: px
Mulai penontonan dengan halaman:

Download "Deteksi Warna. Resty Wulanningrum,S.Kom Universitas Nusantara PGRI Kediri"

Transkripsi

1 Thresholding Resty Wulanningrum,S.Kom Universitas Nusantara PGRI Kediri Deteksi Warna Mendeteksi adanya warna-warna tertentu Menentukan posisi pixel dengan warna yang ditentukan Aplikasi: Deteksi rambu-rambu lalu lintas, deteksi bola dengan warna tertentu, deteksi obyek berdasarkan warna, deteksi kulit (skin detection) 1

2 Threshold RGB Untuk warna-warna dasar, nilai RGB cukup efektif dalam melakukan deteksi meskipun cara ini bukan cara terbaik. Nilai threshold dapat dipelajari berdasarkan pola warna atau ditentukan secara intuitif, tetapi threshold RGB ini sangat rentan terhadap kestabilan cahaya Aplikasi untuk menentukan nilai threshold terbaik dalam suatu permasalahan dapat dilakukan menggunakan teknik-teknik machine learning. Contoh Threshold RGB Nilai threshold : R>163; 43<G<222, 32<B<250 2

3 Nilai Threshold RGB Nilai threshold : 112<R<168; 70<G<149, 44<B<118 Threshold HSV (Hue, Saturation, Value) Untuk warna-warna natural, nilai HSV cukup efektif dalam melakukan deteksi. Nilai threshold dapat dipelajari berdasarkan pola warna atau ditentukan secara intuitif. Dibandingkan dengan RGB, threshold HSV ini cenderung lebih stabil terhadap perubahan cahaya. Aplikasinya seperti pada threshold untuk warna buah, warna pada pemandangan atau warnawarna pada obyek yang bukan buatan manusia. 3

4 YCrCb Y = 0.299R+0.587G+0.114B Cr = R Y Cb = B Y Threshold YCrCb YCrCb adalah format warna Yellow, Crominan Red dan Crominan Blue. Range nilai masing-masing komponen : o 0 Y 255 o -255 Cr 255 o -255 Cb 255 4

5 Threshold YCrCb Nilai threshold : 41<R<145; 10<G<52, -16<B<-4 Color Thresholding Static Thresholding: nilai threshold dicari secara intuisi. Berarti kita harus mempelajari warna pada gambar dulu sebelum menentukan nilai threshold. Distance Threshold: nilai threshold adalah nilai batas jarak dari sebuah warna dengan warna referensi. Dynamic Threshold: nilai threshold dicari menggunakan algoritma searching atau klasifikasi. 5

6 Static Color thresholding 1, untuk r Ir, g Ig, b Ib P 0, untuk yang lain Dimana : Ir, Ig, Ib adalah interval untuk warna r, g dan b yang ditentukan secara spesifik Misalkan untuk mengambil warna merah dilakukan dengan: IF r>200 and g<64 and b<64 THEN warna=merah Nilai threshold Format RGB Pada format warna RGB 24 bit, maka nilai R, G dan B masingmasing Warna R G B Hitam Merah Hijau Biru Kuning Magenta Cyan Putih Abu-Abu Orange Ungu Coklat Pink Navy

7 Distance Color thresholding Bila diketahu warna acuan mempunyai nilai elemen warna c1, c2 dan c3. Maka setiap warna w1, w2 dan w3 dapat dihitung jaraknya dengan warna referensi dengan cara: d d i w i ci i w c i i 2 (Jarak Manhattan) (Jarak Euclidian) Nilai threshold ditentukan dengan besarnya jarak warna maksimum dari sebuah warna dan warna referensi. Dynamic Color Threshold Threshold dapat dipilih apakah threshold global atau threshold local Threshold menggunakan distance threshold dari warna-warna di sekitar obyek yang dimaksud 7

8 Color Thresholding Dinamik Dengan Rata-Rata Acuan Sebelumnya diambil gambar-gambar contoh sebagai acuan untuk menentukan threholding dari warna yang diinginkan. Dari data warna-warna tersebut diambil rata-rata dari setiap elemen warna: r g adalah rata - rata adalah rata - rata red green b adalah rata - rata blue Thresholding dilakukan dengan jarak d dari setiap rata-rata elemen warna Color Thresholding Dinamik Dengan Rata-Rata Acuan 8

9 Perbandingan Thresholding Static dan Dinamik Thresholding Dinamik Thresholding Static Aplikasi Color Detection SKIN DETECTION Menggunakan deteksi warna kulit (skin detection) dapat dilakukan menggunakan format RGB atau YCrCb Mendeteksi warna kulit banyak digunakan untuk aplikasi pengenalan wajah, deteksi badan atau anggota badan. Sangat sulit mendapatkan sistem deteksi warna kulit yang bersifat general, karena ada perbedaan warna kulit pada masing-masing ras (melayu, cina, eropa, latin atau afrika ) 9

10 Aplikasi Color Detection DETEKSI DAN PENGENALAN BUAH Setiap buah mempunyai warna yang spesifik Color thresholding dapat digunakan untuk mendeteksi dimana letak buah Color histogram dapat digunakan un tuk mengenali buah. Aplikasi Color Detection DETEKSI KEMATANGAN TOMAT Kematangan tomat dapat dibedakan menjadi tiga fase yaitu hijau, campurwarna dan merah Dengan deteksi warna RGB atau HSV atay YCrCb dapat dideteksi kematangan tomat 10

11 Aplikasi Color Detection DETEKSI RAMBU-RAMBU LALU LINTAS Deteksi rambu-rambu lalu lintas dapat dilakukan menggunakan color thresholding baik RGB atau HSV, karena rambu-rambu lalu lintas mempunyai warna dan bentuk yang spesifik. Deteksi rambu-rambu lalu lintas dapat digunakan untuk dipasang pada kendaraan sebagai co-pilot atau smart navigation 11

Aplikasi Pengolahan Citra DETEKSI WARNA. Achmad Basuki PENS-ITS, 26 Des 2006

Aplikasi Pengolahan Citra DETEKSI WARNA. Achmad Basuki PENS-ITS, 26 Des 2006 Aplikasi Pengolahan Citra DETEKSI WARNA PENS-ITS, 26 Des 2006 Materi Format Warna RGB r-gcolor Normalized RGB HSV YCrCb TSL Deteksi Warna Static Threshold Distance Threshold Dynamic Threshold Format Warna

Lebih terperinci

Color Detection. Praktikum

Color Detection. Praktikum Praktikum 9 Color Detection I. TUJUAN : 1. Mahasiswa dapat memahami prinsip-prinsip detection pada suatu image 2. Mahasiswa dapat menggunakan proses detection untuk mengetahui suatu gambar yang memiliki

Lebih terperinci

COLOR SPACE. Achmad Basuki Politeknik Elektronika Negeri Surabaya

COLOR SPACE. Achmad Basuki Politeknik Elektronika Negeri Surabaya COLOR SPACE Achmad Basuki Politeknik Elektronika Negeri Surabaya Materi: 1. Konsep Warna 2. Standard Color Space RGB dan CMYK HSV CIE Lab, Luv, Yuv dan YCrCb 3. Color Gamut 4. Konversi Color Spaces KONSEP

Lebih terperinci

Histogram Warna Pada Image

Histogram Warna Pada Image Histogram Warna Pada Image Konsep Ruang Warna P(r,g,b) Setiap pixel mempunyai warna yang dinyatakan dalam RGB, sehingga merupakan gabungan nilai R, nilai G dan nilai B yang tidak bisa dipisahkan satu dengan

Lebih terperinci

Selama ini dalam pemanenan dan penjualan hasil panen, petani jeruk nipis masih belum melakukan pemilahan mutu yang baik sehingga harga jual sangat

Selama ini dalam pemanenan dan penjualan hasil panen, petani jeruk nipis masih belum melakukan pemilahan mutu yang baik sehingga harga jual sangat SEMINAR TUGAS AKHIR Dosen Pembimbing: Dr. Ir. Djoko Purwanto M.Eng Dr. Tri Arief Sardjono ST.MT Oleh: OKTAVIANO YUDHA N 2203.109.007 JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI

Lebih terperinci

IMAGE COLOR FEATURE. Achmad Basuki Politeknik Elektronika Negeri Surabaya

IMAGE COLOR FEATURE. Achmad Basuki Politeknik Elektronika Negeri Surabaya IMAGE COLOR FEATURE Achmad Basuki Politeknik Elektronika Negeri Surabaya Materi: 1. Image Color Feature 2. Application Using Image Color Feature 3. RGB-Cube 4. Histogram RGB Gabungan Layer Color Indeks

Lebih terperinci

Aplikasi Teori Kombinatorial Dalam Penomeran Warna

Aplikasi Teori Kombinatorial Dalam Penomeran Warna Aplikasi Teori Kombinatorial Dalam Penomeran Warna Felix Terahadi - 13510039 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132,

Lebih terperinci

Pengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2)

Pengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2) Pengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2) ISSN : 1693 1173 Abstrak Pengenalan obyek pada citra merupakan penelitian yang banyak dikembangkan. Salah satunya pengenalan

Lebih terperinci

BAB 2 LANDASAN TEORI. dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya

BAB 2 LANDASAN TEORI. dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya 5 BAB 2 LANDASAN TEORI 2.1 Citra Secara harfiah citra atau image adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya pada

Lebih terperinci

BAB II TEORI PENUNJANG

BAB II TEORI PENUNJANG BAB II TEORI PENUNJANG 2.1 Computer Vision Komputerisasi memiliki ketelitian yang jauh lebih tinggi bila dibandingkan dengan cara manual yang dilakukan oleh mata manusia, komputer dapat melakukan berbagai

Lebih terperinci

Bekerja dengan Warna

Bekerja dengan Warna BAB 3 Bekerja dengan Warna Mode Warna (Color mode) adalah cara representatif warna pada Adobe Photoshop dan aplikasi grafis lainnya yang berdasarkan pada model warna. Sedangkan model warna yang ada saat

Lebih terperinci

Pengolahan citra. Materi 3

Pengolahan citra. Materi 3 Pengolahan citra Materi 3 Citra biner, citra grayscale dan citra warna Citra warna berindeks Subject Elemen-elemen Citra Digital reflectance MODEL WARNA Citra Biner Citra Biner Banyaknya warna hanya 2

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertian Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI Pada bab landasan teori ini akan diuraikan mengenai teori-teori yang terkait dengan Content Based Image Retrieval, ekstraksi fitur, Operator Sobel, deteksi warna HSV, precision dan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Citra Digital 2.1.1 Pengertian Citra Digital Secara umum, citra digital merupakan gambar 2 dimensi yang disusun oleh data digital dalam bentuk sebuah larik (array) yang berisi

Lebih terperinci

APLIKASI PENGHITUNG JUMLAH WAJAH DALAM SEBUAH CITRA DIGITAL BERDASARKAN SEGMENTASI WARNA KULIT

APLIKASI PENGHITUNG JUMLAH WAJAH DALAM SEBUAH CITRA DIGITAL BERDASARKAN SEGMENTASI WARNA KULIT MAKALAH SEMINAR TUGAS AKHIR APLIKASI PENGHITUNG JUMLAH WAJAH DALAM SEBUAH CITRA DIGITAL BERDASARKAN SEGMENTASI WARNA KULIT Rizki Salma*, Achmad Hidayatno**, R. Rizal Isnanto** 1 Sistem deteksi wajah, termasuk

Lebih terperinci

Praktikum. Jobsheet III. untuk Processing. B. Dasar Teori Ada dua mode dan HSB. (a) (b) HSB. Gambar 3.1. memperoleh. A. Tujuan

Praktikum. Jobsheet III. untuk Processing. B. Dasar Teori Ada dua mode dan HSB. (a) (b) HSB. Gambar 3.1. memperoleh. A. Tujuan Praktikum Pemrosesan Sinyal @G4.206 Jobsheet III Warna RGB dan HSB A. Tujuan Mahasiswaa mampu menjelaskan penggunaan filter warna padaa OpenCV untuk Processing Mahasiswaa mampu mengoperasikann filter warna

Lebih terperinci

Sesi 2: Image Formation. Achmad Basuki PENS-ITS 2006

Sesi 2: Image Formation. Achmad Basuki PENS-ITS 2006 Sesi 2: Image Formation Achmad Basuki PENS-ITS 2006 Materi Representasi Penglihatan Model Kamera Sampling Dan Kuantisasi Jenis-JenisCitra Mdel Citra Berwarna Format Warna RGB Membaca dan Menampilkan Citra

Lebih terperinci

PENENTUAN KUALITAS DAUN TEMBAKAU DENGAN PERANGKAT MOBILE BERDASARKAN EKSTRASI FITUR RATA-RATA RGB MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR

PENENTUAN KUALITAS DAUN TEMBAKAU DENGAN PERANGKAT MOBILE BERDASARKAN EKSTRASI FITUR RATA-RATA RGB MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR PENENTUAN KUALITAS DAUN TEMBAKAU DENGAN PERANGKAT MOBILE BERDASARKAN EKSTRASI FITUR RATA-RATA RGB MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR Eko Subiyantoro, Yan Permana Agung Putra Program Studi Teknik

Lebih terperinci

1.1 Intensitas. 1.2 Luminansi. 1.3 Lightness. 1.4 Hue. 1.5 Saturasi

1.1 Intensitas. 1.2 Luminansi. 1.3 Lightness. 1.4 Hue. 1.5 Saturasi 1.Definis Warna Dalam ilmu fisika warna didefinisikan sebagai gelombang elektromagnetik cahaya, sedangkan dalam bidang ilmu seni rupa dan desain warna didefinisikan sebagai pantulan tertentu dari cahaya

Lebih terperinci

SAMPLING DAN KUANTISASI

SAMPLING DAN KUANTISASI SAMPLING DAN KUANTISASI Budi Setiyono 1 3/14/2013 Citra Suatu citra adalah fungsi intensitas 2 dimensi f(x, y), dimana x dan y adalahkoordinat spasial dan f pada titik (x, y) merupakan tingkat kecerahan

Lebih terperinci

Deteksi dan Klasifikasi Citra Berdasarkan Warna Kulit Menggunakan HSV

Deteksi dan Klasifikasi Citra Berdasarkan Warna Kulit Menggunakan HSV Jati Sasongko Wibowo Program Studi Teknik Informatika, Universitas Stikubank email : jatisw@gmail.com Abstrak Dalam model HSV (Hue Saturation Value) ini digunakan untuk segmentasi warna kulit manusia dan

Lebih terperinci

APLIKASI PENGENALAN DAUN UBI JALAR UNTUK JENIS UBI JALAR UNGU, MERAH, PUTIH DAN KUNING MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS

APLIKASI PENGENALAN DAUN UBI JALAR UNTUK JENIS UBI JALAR UNGU, MERAH, PUTIH DAN KUNING MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS APLIKASI PENGENALAN DAUN UBI JALAR UNTUK JENIS UBI JALAR UNGU, MERAH, PUTIH DAN KUNING MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS SKRIPSI Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA 4 BAB II TINJAUAN PUSTAKA 2.1 Citra Digital Citra digital dibentuk oleh kumpulan titik yang dinamakan piksel (pixel atau picture element ). Setiap piksel digambarkan sebagai satu kotak kecil. Setiap piksel

Lebih terperinci

PERBANDINGAN SEGMENTASI CITRA BERWARNA DENGAN FUZZY CMEANS CLUSTERING PADA BEBERAPA REPRESENTASI RUANG WARNA

PERBANDINGAN SEGMENTASI CITRA BERWARNA DENGAN FUZZY CMEANS CLUSTERING PADA BEBERAPA REPRESENTASI RUANG WARNA PERBANDINGAN SEGMENTASI CITRA BERWARNA DENGAN FUZZY CMEANS CLUSTERING PADA BEBERAPA REPRESENTASI RUANG WARNA Naser Jawas Sistem Komputer STMIK STIKOM Bali Jl Raya Puputan No.86 Renon, Denpasar, Bali 80226

Lebih terperinci

DETEKSI WAJAH BERBASIS SEGMENTASI WARNA KULIT MENGGUNAKAN RUANG WARNA YCbCr & TEMPLATE MATCHING

DETEKSI WAJAH BERBASIS SEGMENTASI WARNA KULIT MENGGUNAKAN RUANG WARNA YCbCr & TEMPLATE MATCHING DETEKSI WAJAH BERBASIS SEGMENTASI WARNA KULIT MENGGUNAKAN RUANG WARNA YCbCr & TEMPLATE MATCHING Rony Wijanarko *, Nugroho Eko Fakultas Teknik Universitas Wahid Hasyim Semarang Jl. Menoreh Tengah X/22 Semarang

Lebih terperinci

Grafik Komputer dan Pengolahan Citra. Pengolahan Citra : Representasi Citra. Universitas Gunadarma Pengolahan Citra : Representasi Citra 1/16

Grafik Komputer dan Pengolahan Citra. Pengolahan Citra : Representasi Citra. Universitas Gunadarma Pengolahan Citra : Representasi Citra 1/16 Pengolahan Citra : Representasi Citra Universitas Gunadarma 006 Pengolahan Citra : Representasi Citra /6 Representasi Citra dalam File (/3) Pertama-tama seperti halnya jika kita ingin melukis sebuah gambar,

Lebih terperinci

Sistem Deteksi Bola Berdasarkan Warna Bola Dan Background Warna Lapangan Pada Robot Barelang FC

Sistem Deteksi Bola Berdasarkan Warna Bola Dan Background Warna Lapangan Pada Robot Barelang FC Sistem Deteksi Bola Berdasarkan Warna Bola Dan Background Warna Lapangan Pada Robot Barelang FC Hanjaya Mandala (1).EkoRudiawan,S.ST (2).HendawanSoebhakti,ST.,MT (3). (1) (2) (3) Politeknik Negeri Batam

Lebih terperinci

DIMENSI WARNA. DEDDY AWARD WIDYA LAKSANA, M.Pd

DIMENSI WARNA. DEDDY AWARD WIDYA LAKSANA, M.Pd DIMENSI WARNA DEDDY AWARD WIDYA LAKSANA, M.Pd Warna panas: adalah kelompok warna dalam rentang setengah lingkaran di dalam lingkaran warna mulai dari merah hingga kuning Warna dingin, adalah kelompok

Lebih terperinci

BAB III ANALISIS METODA

BAB III ANALISIS METODA BAB III ANALISIS METODA Bab ini menjelaskan tahap analisis dan perancangan yang dilakukan dalam implementasi aplikasi dan metoda transformasi warna untuk buta warna. III.1 Analisis Transformasi Warna Saat

Lebih terperinci

Standar Kompetensi : 1. Menggunakan peerangkat lunak pembuat grafik. Kompetensi Dasar

Standar Kompetensi : 1. Menggunakan peerangkat lunak pembuat grafik. Kompetensi Dasar 1 Standar Kompetensi : 1. Menggunakan peerangkat lunak pembuat grafik. Kompetensi Dasar : 1.1. Menggunakan menu ikon yang terdapat dalam perangkat lunak pembuat grafis Adobe Photoshop Indikator Pencapaian:

Lebih terperinci

BAB III METODE PENELITIAN. tracking obyek. Pada penelitian tugas akhir ini, terdapat obyek berupa bola. Gambar 3.1. Blok Diagram Penelitian

BAB III METODE PENELITIAN. tracking obyek. Pada penelitian tugas akhir ini, terdapat obyek berupa bola. Gambar 3.1. Blok Diagram Penelitian BAB III METODE PENELITIAN 3.1 Metode Penelitian Metode penelitian yang digunakan dalam pengerjaan Tugas Akhir ini adalah studi literatur, pembuatan program serta melakukan deteksi dan tracking obyek. Pada

Lebih terperinci

Grafika Komputer Pertemuan Ke-14. Pada materi ini akan dibahas tentang pencahayaan By: I Gusti Ngurah Suryantara, S.Kom., M.Kom

Grafika Komputer Pertemuan Ke-14. Pada materi ini akan dibahas tentang pencahayaan By: I Gusti Ngurah Suryantara, S.Kom., M.Kom Pada materi ini akan dibahas tentang pencahayaan By: I Gusti Ngurah Suryantara, S.Kom., M.Kom BAB-13 PENCAHAYAAN 13.1. WARNA Warna sebenearnya merupakan persepsi kita terhadap pantulan cahaya dari benda-benda

Lebih terperinci

Klasifikasi Warna Menggunakan Pengolahan Model Warna HSV

Klasifikasi Warna Menggunakan Pengolahan Model Warna HSV JURNAL ILMIAH ELITE ELEKTRO, VOL. 2, NO. 2, SEPTEMBER 2011: 83-87 Klasifikasi Warna Menggunakan Pengolahan Model Warna HSV R. D. Kusumanto 1*, Alan Novi Tompunu, dan Wahyu Setyo Pambudi 2 1. Jurusan Teknik

Lebih terperinci

DETEKSI CITRA PORNOGRAFI MENGGUNAKAN TSL COLOR SPACE DAN NUDITY DETECTION ALGORITHM

DETEKSI CITRA PORNOGRAFI MENGGUNAKAN TSL COLOR SPACE DAN NUDITY DETECTION ALGORITHM DETEKSI CITRA PORNOGRAFI MENGGUNAKAN TSL COLOR SPACE DAN NUDITY DETECTION ALGORITHM Sani Muhamad Isa 1), Febri Mariana 2) Fakultas Teknologi Informasi, Universitas Tarumanagara 1,2) Jl. Letjen S. Parman

Lebih terperinci

Indarto 1, Murinto 2, I. PENDAHULUAN. Kampus III UAD Jl.Dr.Soepomo, Janturan, Yogyakarta

Indarto 1, Murinto 2, I. PENDAHULUAN. Kampus III UAD Jl.Dr.Soepomo, Janturan, Yogyakarta Deteksi Kematangan Buah Pisang Berdasarkan Fitur Warna Citra Kulit Pisang Menggunakan Metode Transformasi Ruang Warna HIS (Banana Fruit Detection Based on Banana Skin Image Features Using HSI Color Space

Lebih terperinci

Implementasi Algoritma Kompresi Shannon Fano pada Citra Digital

Implementasi Algoritma Kompresi Shannon Fano pada Citra Digital Implementasi Algoritma Kompresi Shannon Fano pada Citra Digital Muhammad Khoiruddin Harahap Politeknik Ganesha Medan choir.harahap@yahoo.com Abstrak Algoritma kompresi Shannon-Fano merupakan salah satu

Lebih terperinci

Dasar-dasar Photoshop

Dasar-dasar Photoshop B a b 1 Dasar-dasar Photoshop Bab 2 Memperbaiki Foto 2.1 Pencahayaan Gambar 2.1 Melihat distribusi cahaya dan warna melalui histogram 1 Bab 2 Jumlah pixel dalam gambar Gelap (shadow) Terang (highlight)

Lebih terperinci

PENERAPAN HAND MOTION TRACKING PENGENDALI POINTER PADA VIRTUAL MOUSE DENGAN METODE OPTICAL FLOW

PENERAPAN HAND MOTION TRACKING PENGENDALI POINTER PADA VIRTUAL MOUSE DENGAN METODE OPTICAL FLOW PENERAPAN HAND MOTION TRACKING PENGENDALI POINTER PADA VIRTUAL MOUSE DENGAN METODE OPTICAL FLOW Reza Umami 1*, Irawan Hadi 1, Irma Salamah 1 1 Jurusan Teknik Elektro Program Studi Teknik Telekomunikasi

Lebih terperinci

DETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI

DETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI DETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI Marina Gracecia1, ShintaEstriWahyuningrum2 Program Studi Teknik Informatika Universitas Katolik Soegijapranata 1 esthergracecia@gmail.com,

Lebih terperinci

IMPLEMENTASI PENGOLAHAN CITRA UNTUK MENGHITUNG RESISTANSI RESISTOR MENGGUNAKAN METODE BACK PROPAGATION

IMPLEMENTASI PENGOLAHAN CITRA UNTUK MENGHITUNG RESISTANSI RESISTOR MENGGUNAKAN METODE BACK PROPAGATION IMPLEMENTASI PENGOLAHAN CITRA UNTUK MENGHITUNG RESISTANSI RESISTOR MENGGUNAKAN METODE BACK PROPAGATION Abdi Haqqi An Nazilli 1, Deddy Kusbianto Purwoko Aji 2, Ulla Delfana Rosiani 3 1,2 Teknik Informatika,

Lebih terperinci

Studi Digital Watermarking Citra Bitmap dalam Mode Warna Hue Saturation Lightness

Studi Digital Watermarking Citra Bitmap dalam Mode Warna Hue Saturation Lightness Studi Digital Watermarking Citra Bitmap dalam Mode Warna Hue Saturation Lightness Evan 13506089 Program Studi Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung E-mail : if16089@students.if.itb.ac.id

Lebih terperinci

APLIKASI PENGOLAHAN CITRA MENDETEKSI KUALITAS CABAI BERDASARKAN TINGKAT KEMATANGAN MENGGUNAKAN TRANSFORMASI WARNA YCbCr

APLIKASI PENGOLAHAN CITRA MENDETEKSI KUALITAS CABAI BERDASARKAN TINGKAT KEMATANGAN MENGGUNAKAN TRANSFORMASI WARNA YCbCr APLIKASI PENGOLAHAN CITRA MENDETEKSI KUALITAS CABAI BERDASARKAN TINGKAT KEMATANGAN MENGGUNAKAN TRANSFORMASI WARNA YCbCr 1 Indra Dwi Ananto (09018107), 2 Murinto (0510077302) 1,2 Program Studi Teknik Informatika

Lebih terperinci

Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara.

Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara. Image Enhancement Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara. Cara-cara yang bisa dilakukan misalnya dengan fungsi transformasi, operasi matematis,

Lebih terperinci

BAB V PENGATURAN TAMPILAN DAN WARNA

BAB V PENGATURAN TAMPILAN DAN WARNA BAB V PENGATURAN TAMPILAN DAN WARNA Pertemuan : 5 Waktu : 100 Menit Kompetensi Dasar : Mahasiswa dapat merancang antarmuka sesuai dengan paradigma IMK Indikator : Mahasiswa dapat mengatur tampilan dan

Lebih terperinci

Dielektrika, ISSN Vol. 3, No. 1 : 53-59, Pebruari 2016

Dielektrika, ISSN Vol. 3, No. 1 : 53-59, Pebruari 2016 Dielektrika, ISSN 2086-9487 53 Vol. 3, No. 1 : 53-59, Pebruari 2016 PENGKLASIFIKASIAN WARNA KULIT BERDASARKAN RAS MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) Human Skin Classification Based On Races

Lebih terperinci

APLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK

APLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK APLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK Wiratmoko Yuwono Jurusan Teknologi Informasi Politeknik Elektronika Negeri Surabaya-ITS Jl. Raya ITS, Kampus ITS, Sukolilo Surabaya 60111

Lebih terperinci

Pertemuan 2 Representasi Citra

Pertemuan 2 Representasi Citra /29/23 FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 2 Representasi Citra Representasi Citra citra Citra analog Citra digital Matrik dua dimensi yang terdiri

Lebih terperinci

Studi dan Eksperimen terhadap Kombinasi Warna untuk Kriptografi Visual Warna Kromatik. Ibnu Alam

Studi dan Eksperimen terhadap Kombinasi Warna untuk Kriptografi Visual Warna Kromatik. Ibnu Alam Studi dan Eksperimen terhadap Kombinasi Warna untuk Kriptografi Visual Warna Kromatik Abstrak Ibnu Alam 13506024 Teknik Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jl.

Lebih terperinci

Drawing, Viewport, dan Transformasi. Pertemuan - 02

Drawing, Viewport, dan Transformasi. Pertemuan - 02 Drawing, Viewport, dan Transformasi Pertemuan - 02 Ruang Lingkup Definisi Drawing Viewport Transfomasi Definisi Bagian dari grafik komputer meliputi: 1. Citra (Imaging) : mempelajari cara pengambilan dan

Lebih terperinci

Gambar 3.1 : Macam-macam Resistor

Gambar 3.1 : Macam-macam Resistor Kode warna Resistor pada umumnya untuk menentukan berapa besarnya nilai resistor tersebut. Kode warna resistor tersebut secara umum cara menentukan nilainya dibedakan menjadi dua : 1. Kode warna Resistor

Lebih terperinci

INTERAKSI MANUSIA DAN KOMPUTER

INTERAKSI MANUSIA DAN KOMPUTER INTERAKSI MANUSIA DAN KOMPUTER PEWARNAAN Astrid Lestari Tungadi, S.Kom., M.TI. KOMPONEN WARNA Warna terbentuk dari: 1. Hue (Corak) 2. Intensity (Intensitas) 3. Saturation (Kejenuhan atau Jumlah Putih pada

Lebih terperinci

BAB II LANDASAN TEORI. untuk melakukan pekerjaan antara lain, yaitu: terutama gambar logo dua dimensi.

BAB II LANDASAN TEORI. untuk melakukan pekerjaan antara lain, yaitu: terutama gambar logo dua dimensi. BAB II LANDASAN TEORI 2.1 Pengertian Corel draw Corel draw adalah editor grafik vector yang dibuat oleh corel, Corel sendiri adalah sebuah perusahaan perangkat lunak yang bermarkas di Ottawa, Kanada. Versi

Lebih terperinci

BAB IV IMPLEMENTASI DAN PENGUJIAN

BAB IV IMPLEMENTASI DAN PENGUJIAN BAB IV IMPLEMENTASI DAN PENGUJIAN Pada bab ini, akan membahas implementasi dan hasil pengujian dari program aplikasi yang telah dibuat. Pada perancangan aplikasi ini meliputi perbedaan citra hasil foto

Lebih terperinci

Kreasi Foto Hitam. Teknik Editing I

Kreasi Foto Hitam. Teknik Editing I 2 Kreasi Foto o Hitam Putih Jika Anda punya foto yang tampak biasa-biasa saja, mungkin karena warnanya terlalu umum. Bagaimana kalau foto itu diubah saja menjadi format hitam-putih? Jika penanganannya

Lebih terperinci

3. BAB III METODE PENELITIAN

3. BAB III METODE PENELITIAN 3. BAB III METODE PENELITIAN 3.1 Metode Penelitian Penelitian ini menggunakan jenis penelitian eksperimen, dengan tahapan penelitian sebagai berikut: 1. Pengumpulan data Tahap ini dilakukan sebagai langkah

Lebih terperinci

By: Ahmad SYAUQI Ahsan

By: Ahmad SYAUQI Ahsan By: Ahmad SYAUQI Ahsan Warna Primer Kadang kita diajarkan bahwa warna primer adalah Merah, Kuning, dan Biru: Cukup bagus untuk mencampur cat. Namun tidak bagus untuk digunakan dalam mencampur cahaya Retina

Lebih terperinci

Junior High School. Carbon Neutrality

Junior High School. Carbon Neutrality 1 Regular Category Junior High School Deskripsi, Peraturan, dan Penilaian Carbon Neutrality 2 1. Pengantar Gas rumah kaca, seperti karbon dioksida, yang dihasilkan dari aktivitas seperti transportasi,

Lebih terperinci

BAB IV PENGUJIAN DAN ANALISIS

BAB IV PENGUJIAN DAN ANALISIS BAB IV PENGUJIAN DAN ANALISIS 4.1 Pengujian Sistem Dalam bab ini, akan dijelaskan mengenai pengujian alat dan analisa sistem pada alat yang sedang dibahas kali ini. Setelah seluruh teori telah diterapkan

Lebih terperinci

WARNA PERSIAPAN GRAFIKA GRAPHIC DESIGN

WARNA PERSIAPAN GRAFIKA GRAPHIC DESIGN WARNA PERSIAPAN GRAFIKA GRAPHIC DESIGN SMK Negeri 4 Malang Jl. Tanimbar 22 Malang 65117Telp. ( 0341) 353798,Fax (0341) 353798 E-mail : surat@smkn4-mlg.info Definisi Warna Warna adalah salah satu elemen

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Definisi Citra Citra adalah suatu representasi (gambaran), kemiripan, atau inisiasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik

Lebih terperinci

ANALISIS SENSITIVITAS VISION SENSOR UNTUK MENDETEKSI WARNA

ANALISIS SENSITIVITAS VISION SENSOR UNTUK MENDETEKSI WARNA SKRIPSI ANALISIS SENSITIVITAS VISION SENSOR UNTUK MENDETEKSI WARNA Laporan ini disusun guna memenuhi salah satu persyaratan Untuk menyelesaikan program S-1 Teknik Elektro Fakultas Teknik Universitas Muria

Lebih terperinci

STUDI PENENTUAN NILAI RESISTOR MENGGUNAKAN SELEKSI WARNA MODEL HSI PADA CITRA 2D

STUDI PENENTUAN NILAI RESISTOR MENGGUNAKAN SELEKSI WARNA MODEL HSI PADA CITRA 2D ISSN: 1693-6930 13 STUDI PENENTUAN NILAI RESISTOR MENGGUNAKAN SELEKSI WARNA MODEL HSI PADA CITRA 2D Didik Hariyanto Jurusan Pendidikan Teknik Elektro, Fakultas Teknik, Universitas Negeri Yogyakarta Karangmalang,

Lebih terperinci

IV. HASIL DAN PEMBAHASAN

IV. HASIL DAN PEMBAHASAN 26 IV. HASIL DAN PEMBAHASAN A. Pengukuran Parameter Mutu Jeruk Pontianak Secara Langsung Dari Hasil Pemutuan Manual Pemutuan jeruk pontianak secara manual dilakukan oleh pedagang besar dengan melihat diameter

Lebih terperinci

Pengolahan Citra Warna 1 Semester Genap 2010/2011. Dr. Fitri Arnia Multimedia Signal Processing Research Group (MuSig) Jurusan Teknik Elektro-UNSYIAH

Pengolahan Citra Warna 1 Semester Genap 2010/2011. Dr. Fitri Arnia Multimedia Signal Processing Research Group (MuSig) Jurusan Teknik Elektro-UNSYIAH Pengolahan Citra Warna 1 Semester Genap 2010/2011 Dr. Fitri Arnia Multimedia Signal Processing Research Group (MuSig) Jurusan Teknik Elektro-UNSYIAH Outline Pengolahan warna penuh dan warna pseudo Penyajian

Lebih terperinci

IMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH

IMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH IMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH Fitri Afriani Lubis 1, Hery Sunandar 2, Guidio Leonarde Ginting 3, Lince Tomoria Sianturi 4 1 Mahasiswa Teknik Informatika, STMIK Budi Darma

Lebih terperinci

Tutorial GIMP 2: Penerapan Fitur pada Menu Colors (Pewarnaan)

Tutorial GIMP 2: Penerapan Fitur pada Menu Colors (Pewarnaan) Tutorial GIMP 2: Penerapan Fitur pada Menu Colors (Pewarnaan) Pada bagian pertama kita telah mengenal interface/antarmuka serta tools yang sering digunakan, sekarang saya akan menjelaskan fitur pewarnaan

Lebih terperinci

Apa itu warna? Colour signal. Observ er. Obje ct. Light source

Apa itu warna? Colour signal. Observ er. Obje ct. Light source TEORI WARNA I Apa itu warna? Colour signal Light source Obje ct Observ er Apa itu warna? Beberapa teori mengenai warna Pra Newton Aristotle berpendapat bahwa terang dan gelap bila berpadu akan menghasilkan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengolahan Citra Pengolahan citra adalah kegiatan memanipulasi citra yang telah ada menjadi gambar lain dengan menggunakan suatu algoritma atau metode tertentu. Proses ini mempunyai

Lebih terperinci

BAB II LANDASAN TEORI. Pengolahan Citra adalah pemrosesan citra, khususnya dengan menggunakan

BAB II LANDASAN TEORI. Pengolahan Citra adalah pemrosesan citra, khususnya dengan menggunakan BAB II LANDASAN TEORI 2.1. Citra Citra adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus dan intensitas cahaya pada bidang dwimatra

Lebih terperinci

BAB 2 KONSEP DASAR PENGENAL OBJEK

BAB 2 KONSEP DASAR PENGENAL OBJEK BAB 2 KONSEP DASAR PENGENAL OBJEK 2.1 KONSEP DASAR Pada penelitian ini, penulis menggunakan beberapa teori yang dijadikan acuan untuk menyelesaikan penelitian. Berikut ini teori yang akan digunakan penulis

Lebih terperinci

PENERAPAN SEGMENTASI MULTI KANAL DALAM MENDETEKSI SEL PARASIT PLASMODIUM SP. I Made Agus Wirahadi Putra 1, I Made Satria Wibawa 2 ABSTRAK

PENERAPAN SEGMENTASI MULTI KANAL DALAM MENDETEKSI SEL PARASIT PLASMODIUM SP. I Made Agus Wirahadi Putra 1, I Made Satria Wibawa 2 ABSTRAK Jurnal Dinamika, April 2017, halaman 18-29 P-ISSN: 2087-889 E-ISSN: 2503-4863 Vol. 08. No.1 PENERAPAN SEGMENTASI MULTI KANAL DALAM MENDETEKSI SEL PARASIT PLASMODIUM SP. I Made Agus Wirahadi Putra 1, I

Lebih terperinci

Senior High School. Renewable & Clean Energy

Senior High School. Renewable & Clean Energy 1 Regular Category Senior High School Deskripsi, Peraturan, dan Penilaian Renewable & Clean Energy 2 1. Pengantar Kebutuhan akan listrik terus meningkat setiap hari. Makin banyak diperlukannya fasilitas

Lebih terperinci

BAB 1 PENDAHULUAN. keakuratan dari penglihatan mesin membuka bagian baru dari aplikasi komputer.

BAB 1 PENDAHULUAN. keakuratan dari penglihatan mesin membuka bagian baru dari aplikasi komputer. 1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Melihat perkembangan teknologi sekarang ini, penggunaan komputer sudah hampir menjadi sebuah bagian dari kehidupan harian kita. Semakin banyak muncul peralatan-peralatan

Lebih terperinci

Intensity and Color. Pertemuan 12

Intensity and Color. Pertemuan 12 Intensity and Color Pertemuan 12 Warna Kemajuan teknik raster menjadikan teknik warna (grayscale dan warna) merupakan suatu konsep yang terintegrasi dalam teknologi komputer grafik Konsep warna melibatkan

Lebih terperinci

IDENTIFIKASI PADA SERAGAM PERSONEL MILITER MENGGUNAKAN IMAGE PROCESSING IDENTIFICATION ON MILITARY PERSONNEL UNIFORM USING IMAGE PROCESSING

IDENTIFIKASI PADA SERAGAM PERSONEL MILITER MENGGUNAKAN IMAGE PROCESSING IDENTIFICATION ON MILITARY PERSONNEL UNIFORM USING IMAGE PROCESSING ISSN : 2355-9365 e-proceeding of Engineering : Vol.4, No.1 April 2017 Page 563 IDENTIFIKASI PADA SERAGAM PERSONEL MILITER MENGGUNAKAN IMAGE PROCESSING IDENTIFICATION ON MILITARY PERSONNEL UNIFORM USING

Lebih terperinci

DAFTAR ISI. Lembar Pengesahan Penguji... iii. Halaman Persembahan... iv. Abstrak... viii. Daftar Isi... ix. Daftar Tabel... xvi

DAFTAR ISI. Lembar Pengesahan Penguji... iii. Halaman Persembahan... iv. Abstrak... viii. Daftar Isi... ix. Daftar Tabel... xvi DAFTAR ISI Halaman Judul... i Lembar Pengesahan Pembimbing... ii Lembar Pengesahan Penguji... iii Halaman Persembahan... iv Halaman Motto... v Kata Pengantar... vi Abstrak... viii Daftar Isi... ix Daftar

Lebih terperinci

Elementary School. Reduce Food Waste

Elementary School. Reduce Food Waste 1 Regular Category Elementary School Deskripsi, Peraturan, dan Penilaian Reduce Food Waste 2 1. Pengantar Tantangan tahun ini adalah membuat sebuah robot yang dapat membantu mengurangi limbah makanan.

Lebih terperinci

Gambar 3.1 Contoh Citra yang digunakan

Gambar 3.1 Contoh Citra yang digunakan BAB III DATASET DAN RANCANGAN PENELITIAN Pada bab ini dijelaskan tentang dataset citra yang digunakan dalam penelitian ini serta rancangan untuk melakukan penelitian. 3.1 DATASET PENELITIAN Penelitian

Lebih terperinci

KONVERSI FORMAT CITRA RGB KE FORMAT GRAYSCALE MENGGUNAKAN VISUAL BASIC

KONVERSI FORMAT CITRA RGB KE FORMAT GRAYSCALE MENGGUNAKAN VISUAL BASIC KONVERSI FORMAT CITRA RGB KE FORMAT GRAYSCALE MENGGUNAKAN VISUAL BASIC Hanif Al Fatta STMIK AMIKOM Yogyakarta e-mail : hanivonitch@yahoo.com ABSTRACTS This paper explains how to manipulate image file format.

Lebih terperinci

BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM

BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM Dalam bab ini akan dibahas mengenai perancangan dan pembuatan sistem aplikasi yang digunakan sebagai user interface untuk menangkap citra ikan, mengolahnya dan menampilkan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Citra Digital Citra digital adalah citra yang bersifat diskrit yang dapat diolah oleh computer. Citra ini dapat dihasilkan melalui kamera digital dan scanner ataupun citra yang

Lebih terperinci

Mengenal Lebih Jauh Apa Itu Point Process

Mengenal Lebih Jauh Apa Itu Point Process Mengenal Lebih Jauh Apa Itu Point Process Faisal Ridwan FaizalLeader99@yahoo.com Lisensi Dokumen: Copyright 2003-2007 IlmuKomputer.Com Seluruh dokumen di IlmuKomputer.Com dapat digunakan, dimodifikasi

Lebih terperinci

SATIN Sains dan Teknologi Informasi

SATIN Sains dan Teknologi Informasi SATIN - Sains dan Teknologi Informasi, Vol. 2, No. 2, Desember 2016 SATIN Sains dan Teknologi Informasi journal homepage : http://jurnal.stmik-amik-riau.ac.id Error Detection System dan Error Correction

Lebih terperinci

ANALISIS DETEKSI WARNA MARKING PADA CAMSHAFT SEBAGAI IDENTIFIKASI TYPE BENDA KERJA

ANALISIS DETEKSI WARNA MARKING PADA CAMSHAFT SEBAGAI IDENTIFIKASI TYPE BENDA KERJA 5 ANALISIS DETEKSI WARNA MARKING PADA CAMSHAFT SEBAGAI IDENTIFIKASI TYPE BENDA KERJA Adirin, Seta Samsiana, H. Sugeng Adirin.7@gmail.com, xeti_a@yahoo.com, sugeng_pratama@yahoo.com Program Studi Teknik

Lebih terperinci

Pengolahan Citra Berwarna

Pengolahan Citra Berwarna MK3383 Teknik Pengolahan Citra Pengolahan Citra Berwarna M. Zidny Naf an, M.Kom. Semester Genap 2015/2016 http://www.colormatters.com/color-and-vision/how-the-eye-sees-color Bagaimana Manusia Melihat Warna?

Lebih terperinci

Alat Koresi Warna & Tonal

Alat Koresi Warna & Tonal BAB 4 Alat Koresi Warna & Tonal Keserasian warna dan tonal menjadi hal yang sangat penting dalam dunia desain grafis karena menentukan indah atau tidaknya sebuah gambar yang dibuat. Bukan saja untuk dunia

Lebih terperinci

PENDETEKSIAN OBJEK BOLA DENGAN METODE COLOR FILTERING HSV PADA ROBOT SOCCER HUMANOID

PENDETEKSIAN OBJEK BOLA DENGAN METODE COLOR FILTERING HSV PADA ROBOT SOCCER HUMANOID PENDETEKSIAN OBJEK BOLA DENGAN METODE COLOR FILTERING HSV PADA ROBOT SOCCER HUMANOID Nur Khamdi 1*, Muhammad Susantok 2, Piter Leopard 1 1 Program Studi Teknik Mekatronika, Politeknik Caltex Riau 2 Program

Lebih terperinci

KLASIFIKASI TINGKAT KEMATANGAN BUAH PEPAYA (CARICA PAPAYA L) CALIFORNIA (CALLINA-IPB 9) DALAM RUANG WARNA HSV DAN ALGORITMA K-NEAREST NEIGHBORS

KLASIFIKASI TINGKAT KEMATANGAN BUAH PEPAYA (CARICA PAPAYA L) CALIFORNIA (CALLINA-IPB 9) DALAM RUANG WARNA HSV DAN ALGORITMA K-NEAREST NEIGHBORS KLASIFIKASI TINGKAT KEMATANGAN BUAH PEPAYA (CARICA PAPAYA L) CALIFORNIA (CALLINA-IPB 9) DALAM RUANG WARNA HSV DAN ALGORITMA K-NEAREST NEIGHBORS Sigit Sugiyanto*, Feri Wibowo Program Studi Teknik Informatika

Lebih terperinci

IDENTIFIKASI KEMATANGAN BUAH TOMAT MENGGUNAKAN METODA BACKPROPAGATION

IDENTIFIKASI KEMATANGAN BUAH TOMAT MENGGUNAKAN METODA BACKPROPAGATION IDENTIFIKASI KEMATANGAN BUAH TOMAT MENGGUNAKAN METODA BACKPROPAGATION Dila Deswari [1], Hendrick, MT. [2], Derisma, MT. [3] Jurusan Sistem Komputer, Fakultas Teknologi Informasi, Universitas Andalas [1][3]

Lebih terperinci

panjang atau bujur sangkar yang secara beraturan membentuk baris-baris dan

panjang atau bujur sangkar yang secara beraturan membentuk baris-baris dan BAB II LANDASAN TEORI 2.1 Strimin Strimin adalah salah satu nama jenis kain yang digunakan sebagai media menggambar menggunakan benang sulam berwarna. Tekniknya adalah dengan memindahkan atau menggambar

Lebih terperinci

Teori Warna. S1 Tekinik Informatika. Disusun Oleh Dr. Lily Wulandari

Teori Warna. S1 Tekinik Informatika. Disusun Oleh Dr. Lily Wulandari Teori Warna S1 Tekinik Informatika Disusun Oleh Dr. Lily Wulandari 1 Sejarah Warna Pada tahun 1672 Sir Isaac Newton menemukan bahwa cahaya yang dilewatkan pada sebuah prisma akan terbagi menjadi berbagai

Lebih terperinci

IMPLEMENTASI ALGORITMA CONNECTED-LABELLING UNTUK MENDETEKSI OBJEK BINTANG PADA CITRA DIGITAL

IMPLEMENTASI ALGORITMA CONNECTED-LABELLING UNTUK MENDETEKSI OBJEK BINTANG PADA CITRA DIGITAL Seminar Nasional Sistem Informasi Indonesia, 6 November 2017 IMPLEMENTASI ALGORITMA CONNECTED-LABELLING UNTUK MENDETEKSI OBJEK BINTANG PADA CITRA DIGITAL Ericks Rachmat Swedia 1), M. Ridwan Dwi Septian

Lebih terperinci

PENGEMBANGAN APLIKASI PEMILIHAN BUAH TOMAT UNTUK BIBIT UNGGUL BERDASARKAN WARNA DAN UKURAN MENGGUNAKAN HSV DAN THRESHOLDING

PENGEMBANGAN APLIKASI PEMILIHAN BUAH TOMAT UNTUK BIBIT UNGGUL BERDASARKAN WARNA DAN UKURAN MENGGUNAKAN HSV DAN THRESHOLDING PENGEMBANGAN APLIKASI PEMILIHAN BUAH TOMAT UNTUK BIBIT UNGGUL BERDASARKAN WARNA DAN UKURAN MENGGUNAKAN HSV DAN THRESHOLDING Ahmad Zaky Maula 1, Cahya Rahmad 2, Ulla Delfana Rosiani 3 Program Studi Teknik

Lebih terperinci

PRAKTIKUM 2. MATRIK DAN JENIS CITRA

PRAKTIKUM 2. MATRIK DAN JENIS CITRA PRAKTIKUM 2. MATRIK DAN JENIS CITRA 1. TUJUAN: Mahasiswa memahami konsep matriks dan berbagai jenis citra Mahasiswa memahami konsep threshold dan mampu menerapka konsep threshold di dalam script Mahasiswa

Lebih terperinci

COLOR TEHORY. Ir Wahyu Catur Wibowo, M.Sc, Ph.D

COLOR TEHORY. Ir Wahyu Catur Wibowo, M.Sc, Ph.D COLOR TEHORY Ir Wahyu Catur Wibowo, M.Sc, Ph.D wibowo@cs.ui.ac.id http://telaga.cs.ui.ac.id/~wibowo Warna Primer Tidak dapat dibuat dengan kombinasi warna apa pun Red Blue Yellow Warna Sekunder Terbentuk

Lebih terperinci

BAB V PEMBAHASAN UMUM

BAB V PEMBAHASAN UMUM BAB V PEMBAHASAN UMUM Penelitian ini pada prinsipnya bertujuan untuk menghasilkan sebuah metode dan algoritma yang dapat digunakan untuk menentukan posisi tiga dimensi dari obyek pertanian, yaitu jeruk

Lebih terperinci

BAB 3 IMPLEMENTASI SISTEM

BAB 3 IMPLEMENTASI SISTEM BAB 3 IMPLEMENTASI SISTEM Bab ini akan membahas mengenai proses implementasi dari metode pendeteksian paranodus yang digunakan dalam penelitian ini. Bab ini terbagai menjadi empat bagian, bagian 3.1 menjelaskan

Lebih terperinci

BAB 4 HASIL DAN ANALISA

BAB 4 HASIL DAN ANALISA BAB 4 HASIL DAN ANALISA 4. Analisa Hasil Pengukuran Profil Permukaan Penelitian dilakukan terhadap (sepuluh) sampel uji berdiameter mm, panjang mm dan daerah yang dibubut sepanjang 5 mm. Parameter pemesinan

Lebih terperinci